디지털 라이브러리[ 검색결과 ]
자율주행차 환경에서 자연 요소를 포함한 물리적 적대적 공격을 통한 취약점 분석
http://doi.org/10.5626/JOK.2024.51.10.935
인공지능 기술의 발전은 컴퓨터 비전 분야에 많은 영향을 줌과 동시에 강제로 모델의 오분류를 일으켜 공격하는 적대적 공격에 대한 많은 취약점이 발견되었다. 특히, 물리적 환경에서의 적대적 공격은 자율주행차 시스템에서 심각한 위협이 될 수 있음이 발견되었다. 이 중, 적대적 패치처럼 인위적으로 생성하여 부착하는 공격 외에도 자연 요소를 활용하여 오분류를 일으키는 공격들이 존재한다. 특히, 낙엽과 같은 자연 요소에 의해 차량 표지판이 방해받는 상황은 자율주행 환경에서 자주 발생되는 요소 중 하나이다. 이는 수시로 움직이므로 찰나의 순간에도 오분류가 발생되는 취약점이 반드시 존재한다. 따라서 본 논문에서는 낙엽을 자연적 장애 요소로 제안하여 적대적 패치 공격에 대한 연구를 수행하였다. 구체적으로 기존 적대적 공격의 연구 동향을 살펴보고 자연 요소 기반의 실험 환경을 제시하며 실험 결과를 분석하여 물리적 환경에서의 낙엽을 활용한 적대적 공격이 자율주행차에 미치는 취약점을 분석한다.
LAB 색 공간 기반 손실 함수와 데이터 전처리를 이용한 향상된 이미지 조화 기법
http://doi.org/10.5626/JOK.2024.51.8.729
각기 다른 이미지에서 얻어진 전경과 배경을 합하여 새로운 이미지를 만드는 이미지 합성은 유용한 영상 편집 기술이지만 종종 명암이나 색감의 불일치로 인해 어색한 이미지를 만든다. 이러한 부조 화를 줄이기 위한 이미지 조화 기술은 전경과 배경 사이의 색감을 사실적으로 일치시킬 수 있어 영상 편 집 분야에서 큰 주목을 받았다. 기존 딥러닝 기반의 이미지 조화 모델들은 대용량 학습 데이터셋을 사용하 여 잠재력 있는 조화 성능을 보였으나, 밝기를 효과적으로 고려할 수 없는 손실 함수를 사용하거나 밝기 분포가 편향된 데이터셋을 학습하여 다양한 밝기 조건에 일반화 성능이 떨어졌다. 이에 본 논문은 주어진 이미지의 밝기를 명시적으로 계산하는 LAB 색 공간 기반의 손실 함수와 밝기 분포가 균형된 데이터셋을 구축하기 위한 LAB 기반 전처리 방법을 통해 새로운 이미지 조화 기법을 제안한다. 공개 이미지 데이터 셋에 대한 실험을 통하여 제안 기법이 다양한 밝기 조건에서도 강건한 조화 성능을 가짐을 입증한다.
다양한 조명 색상에서 합성 이미지의 시각적 균일성 향상을 위한 이미지 조화 기법
http://doi.org/10.5626/JOK.2024.51.4.345
이미지 합성은 배경 이미지 위에 다른 이미지에서 추출한 전경 객체를 배치하여 새로운 이미지를 생성하는 기법이다. 이러한 합성 이미지의 시각적 균일성 향상을 위해 전경 객체의 조명 색상을 배경 이미지와 일치되게 조정하는 딥러닝 기반의 이미지 조화 기법들이 최근 활발히 제안되고 있다. 하지만, 기존 기법들은 학습에 사용된 데이터셋의 조명 색상 분포에 대해서만 색상을 조정하기 때문에 시각적 균일성에서 성능이 제한적이다. 이에 본 논문은 다양한 조명 색상에 강건한 성능을 보이는 새로운 이미지 조화 기법을 제안한다. 우선, 데이터 전처리를 통해 다양한 조명 색상 분포로 구성된 새로운 데이터셋인 iHColor를 먼저 구축하고, 사전 훈련된 GAN 기반 Harmonization 모델을 iHColor 데이터셋을 사용하여 미세 조정을 수행한다. 실험을 통해 제안 기법이 다양한 조명 색상에서 기존 모델보다 합성 이미지의 시각적 균일성을 개선시킴을 보인다.
인피니밴드 네트워크에서 분산 병렬 그래프 데이터 처리의 성능 개선
http://doi.org/10.5626/JOK.2023.50.4.359
각 객체의 관계를 중시하는 그래프 데이터는 관계형 데이터베이스에서는 찾아낼 수 없는 새로운 규칙이나 연관성 분석에 많이 사용되지만, 복잡한 구조와 방대한 양으로 인해 빠른 처리에는 한계가 있다. 본 논문에서는 이러한 그래프 데이터 처리의 성능 향상을 위해 PIGraph(Pregel and InfiniBandbased Graph processing engine)를 제안한다. PIGraph는 대표적인 그래프 처리 모델인 Pregel 기반 그래프 처리 엔진이다. PIGraph는 분산 그래프 처리의 관리 복잡도 감소를 위해 인피니밴드와 RDMA (Remote Direct Memory Access) 기술을 활용한 분산 병렬 구조를 지원한다. 특히, 세그먼트 단위 전송으로 RDMA 통신을 최적화하여 그래프 데이터의 처리 성능 한계를 개선한다. 성능 평가 결과, PIGraph가 비교 시스템인 Apache Giraph에 비해 최대 190% 이상 빠른 처리 시간을 보임을 확인하였다.
Nested Kernel의 커널코드 및 메모리보호 취약점 분석
http://doi.org/10.5626/JOK.2018.45.9.873
Nested Kernel은 2015년 ACM ASPLOS 학회에서 제시된 커널의 무결성 보장을 위한 새로운 보안커널 구조이다. Nested Kernel은 하드웨어 기반의 커널보호 기법에 대한 의존도를 줄이고 기존의 모놀리식 커널구조를 개선하여 보안성을 높였다. 그러나 Nested Kernel의 커널코드 및 메모리보호 기법을 상세히 분석한 결과 현재의 구현에는 직접사상과 코드영역에 대한 구현이 완벽하지 않고 논문에서 저자들이 제시하는 일부 기능이 실제로 구현되지 않아 메모리보호의 취약점을 발견하였다. 보안커널로의 활용을 위해서는 추가적인 연구가 필요할 것으로 보인다.
복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할
http://doi.org/10.5626/JOK.2018.45.9.937
부분신장절제술 후 절제술을 수행한 반대쪽 신장의 보상성 비대를 예측하기 위해 신실질을 분할하는 것이 필요하다. 본 논문에서는 복부 CT 영상에서 다중 아틀라스 기반 형상 및 밝기값 정보를 사용한 신실질 자동 분할 방법을 제안한다. 첫째, 볼륨 기반 유사 정합 및 밝기값 기반 유사도 측정을 통해 유사 아틀라스를 선정한다. 둘째, 볼륨 기반 유사 정합 및 아틀라스 기반 어파인 정합의 단계적 정합 및 밝기값 기반 제한된 지역적 가중투표를 통해 신실질을 분할한다. 셋째, 밝기값의 분포가 훈련 영상과 달라 분할이 제대로 되지 않는 데이터에 대해 가우시안 혼합 모델 기반 다중 임계치 기법을 통한 피질 분할 및 형상확률맵을 이용한 수질 분할 방법을 선택적으로 수행한다. 제안방법을 통한 분할 결과와 수동 분할 결과 간 다이스 유사계수는 91.34%로, 다중 투표 기법을 통한 분할 및 지역적 가중투표를 통한 분할 방법대비 다이스 유사계수가 각각 18.19%, 1.35% 향상되었다.
사물 인터넷 환경에서의 소프트웨어 정의 네트워크 기반 이동성 관리
문보영, 조승철, 손사민, 김현숙, 김청빈, 김준혁, 한선영
http://doi.org/10.5626/JOK.2018.45.7.733
IoT 환경에서는 사물 주소, 배터리, 네트워크 대역폭, 컴퓨팅 파워 등의 다양한 제약을 받게된다. 이동성 관리 측면에서도 프로토콜이 복잡하면 이동하는 IoT 단말기에게 큰 부하를 준다. 본 논문에서는 이동하는 IoT 단말기의 문제점을 효과적으로 해결하기 위해 SDN(Software Defined Networking)의 중앙집중형 관리 방식을 적용한 이동성 관리 시스템을 제안한다. SDN은 프로그래밍이 가능하기 때문에 IoT 단말의 확장성 및 관리가 용이하다. IoT를 위한 SDN기반 이동성 구조를 제시하고 이 구조를 이용하여 시스템을 설계 및 테스트 베드를 구축하여 구현하였다.
심층학습 기반의 Predictor-Estimator 모델을 이용한 영어-한국어 기계번역 품질 예측
http://doi.org/10.5626/JOK.2018.45.6.545
기계번역 품질 예측은 정답번역문의 참고 없이 기계번역문장의 번역품질을 예측하는 것을 말하며, 최근 들어 기계번역분야에서 중요성이 강조되고 있다. 현재까지 영어-유럽어를 대상으로 기계번역 품질 예측 연구들이 진행되어 왔으며, 영어-한국어에 대해 기계번역 품질 예측을 시도한 사례가 없었다. 본 논문에서는 영어-한국어 기계번역 품질 예측을 위한 학습 데이터를 구축하고, 심층학습 기반의 모델을 적용하여 영어-한국어에 대한 기계번역 품질 예측을 수행한다. 학습 데이터 생성을 위해서는 기계번역문장에 기반한 새로운 정답번역문을 만드는 과정이 필요하며, 본 논문에서는 자유로운 어순과 다양한 형태가 가능한 한국어 문장의 특징을 고려하는 새로운 정답번역문을 만들기 위한 가이드라인을 제시한다. 또한 학습 데이터가 편향되는 문제를 완화하여 학습 데이터를 구축한다. 본 연구에서 구축한 학습데이터와 심층학습 기반의 모델을 이용한 실험 결과, 영어-한국어 기계번역 품질 예측이 잘 수행됨을 확인하였다.
효과적인 변이 분석을 위한 C 프로그램 변이 도구 비교
http://doi.org/10.5626/JOK.2018.45.4.342
변이 분석은 분석 대상 프로그램의 코드를 변형한 프로그램 변이를 실행해 프로그램 변형에 따른 실행 결과 변화를 분석하는 기법이다. 프로그램 변이 분석이 효과적이기 위해선 프로그램 변이 도구가 효과적인 프로그램 변이를 생성할 수 있어야 한다. 예를 들어 생성된 프로그램 변이가 분석 대상 프로그램과 의미가 동일한 동등 변이거나 다른 변이와 의미가 동일한 중복 변이인 경우 변이 분석을 통한 다양한 실행결과 변화를 볼 수 없기 때문에 변이 분석에 효과적이지 않다. 본 논문에서는 C 프로그램의 효과적인 변이분석을 위해 변이 도구 Proteum과 Milu를 대상으로 얼마나 효과적인 프로그램 변이를 생성하는지 비교하였다. 효율적으로 효과적인 프로그램 변이를 생성하기 위해 변이된 표현식의 정규형을 계산하고 정규형이 같은 변이를 중복 변이로 제거하였다. SIR 벤치마크의 4개 Linux/Unix 유틸리티 프로그램 프로그램을 대상으로 적용한 결과 Proteum과 Milu가 생성한 변이 중 각각 평균 48.7%, 46.4%가 유용한 변이였다.
사이버멀미 통합 모델
http://doi.org/10.5626/JOK.2018.45.3.251
사이버멀미란 가상현실을 경험할 때 발생하는 멀미와 유사한 증상으로 눈의 피로, 방향감각 상실, 메스꺼움 등을 동반한다. 사이버멀미는 가상현실 산업의 확산을 위한 선결 과제로 여겨지고 있으며, 해당 증상을 완화하기 위한 다양한 연구가 시도되어 왔다. 그러나 아직까지 사이버멀미의 발생 기전과 해결책에 관한 명확한 결론은 도출되지 못하였다. 본 논문은 사이버멀미 현상을 보다 입체적으로 이해하기 위해 해당 현상을 관통하는 주요 구성 요소인 사이버멀미의 유발 원인, 인간의 인지체계, 사이버멀미의 측정방법을 연결한 통합적 관점을 제시하였다. 특히 현재까지 알려진 사이버멀미의 유발 원인을 콘텐츠, 하드웨어, 사용자 특성 측면으로 새로이 분류하였다. 또한 사이버멀미 관련 요인에 대한 기존의 연구를 콘텐츠의 가상현실 충실도 관점에서 해석하여 상이한 연구 사이의 일관성을 도출하였다. 마지막으로 사이버멀미를 정량화하기 위한 객관적, 주관적 측정 도구를 살펴보고 각각의 한계점에 대해 논의하였다.
